一种车轮服役状态安全域初步评估方法
【专利摘要】本发明公开了一种车轮服役状态安全域初步评估方法，首先采用小波阈值法对原始钢轨振动信号进行降噪处理，将处理后的钢轨振动信号采用EMD从高频至低频分解为若干个IMF分量，然后根据时域峭度与频率散度结合法选取合适的IMF分量并计算其能量值，接着通过计算IMF分量与降噪后振动信号的相关系数确定该IMF分量的权重系数，将各IMF分量与权重系数的乘积之和作为该信号的广义能量，最后采用该广义能量值估计安全域边界从而对车轮服役状态进行初步评估。本发明具有可靠性高，工程可行性好等优点。
【专利说明】
一种车轮服役状态安全域初步评估方法
技术领域
[0001] 本发明属于交通安全工程技术领域，特别是一种车轮服役状态安全域初步评估方 法。
【背景技术】
[0002] 近年来，随着我国经济的快速发展，城市轨道交通的发展速度也随之加快。截止 2015年底，中国通过审核获批建设城市轨道交通的城市达到36个，其中已经投入运营的包 括19座城市的85条线路，总里程达2509.52公里。预计到2020年，我国城市轨道交通规划总 里程将超过8500公里，除去已实际投入运营的线路，平均每年将有900公里的线路开通投入 运营。城市轨道交通具有运量大、速度快、安全、环境友好、节约能源和用地等特点，因此得 到了重点发展。随着新线路的不断投入使用，保障城市轨道交通的安全运营显得愈发重要。
[0003] 城轨车辆在运行过程中，由于走行系的车轮与轨道直接接触，所以车轮与轨道之 间存在反复的冲击与摩擦，从而使得车轮踏面易形成机械性的损伤，主要有擦伤、剥离、裂 纹等故障现象。因此，及时掌握车轮运行时的服役状态，对列车走行系进行实时监测，从而 及时发现故障阻止事态恶化，对延长列车轮对使用寿命，保障列车安全运行意义重大。 Vittorio Belotti在轨旁安装振动加速度探头，利用小波变换方法提出了一种检测并定量 估计车轮扁瘤大小的故障诊断方法（Vittorio Belotti，Francesco Crenna，Rinaldo C.Michelini,Giovanni B.Rossi .Wheel-flat diagnostic tool via wavelet transform [J].Mechanical Systems and Signal Processing，2006,20(8):1953-1966.);Stephen Lechowicz基于数据库应用技术设计和开发了轮对载荷分配和故障缺陷监测系统(Stephen Lechowicz,Chris Hunt.Monitoring and Managing Wheel Condition and Loading[C] .Proceedings of the International Symposium on Transportation Recorders .Arlington，Virginia，May 3-5，1999: 205-239 ·);文献火车车轮踏面缺陷多通 道检测系统的研究中西南交通大学研究了一种在轨道底部安装压电加速度传感器实时监 测踏面擦伤的装置，以此来判断车轮擦伤状态，加速度信号的特征值反映了车轮故障程度 (王祯，郭建强，高晓蓉，等.火车车轮踏面缺陷多通道检测系统的研究.光电工程，2011，38 (7):92-98.)〇
【发明内容】
[0004] 本发明的目的在于提供一种精确可靠的车轮服役状态安全域初步评估方法。
[0005] 实现本发明目的的技术解决方案为:一种车轮服役状态安全域初步评估方法，包 括以下步骤：
[0006] 步骤1，采集列车车轮正常运行状态下的钢轨振动信号，对其进行小波阈值降噪处 理，并将降噪后的振动信号记为X'（t);
[0007] 步骤2,对正常状态下的轨道振动信号进行EMD，并根据时域峭度和频率散度结合 法提取出满足时域峭度筛选要求和频率散度筛选要求的IMF,分量 Cl(t)，计算各分量的能量 值Ei;
[0008] 步骤3,计算出各頂Fi分量与降噪后信号x'（t)的相关系数，将此系数作为頂Fi分量 的权重系数
[0009] 步骤4,将各頂Fi分量的能量值Ei与1!的乘积之和作为该振动信号的EMD广义能量 En，计算出所有正常状态下来的轨道振动的EMD广义能量的均值Ea，并从En中选出与均值E a 的最大差值D，将最大差值D作为初步划分出车轮服役状态的安全域边界；
[0010] 步骤5,对未知状态的钢轨振动信号计算出广义能量En，计算该值与均值Ea的差V， 将D'和安全域边界值D相比较，若D'大于边界值D，表明该信号对应的车轮出现早期轻微故 障。
[0011] 本发明与现有技术相比，其显著优点：（1)信号采集过程简单，硬件需求低。（2)引 入安全域的概念，判断车轮的故障状态。（3)工程可行性好，计算过程简便。该方法检测车轮 故障满足现场工程需求，能为车轮故障检测提供技术支持。
[0012] 下面结合附图对本发明作进一步详细描述。
【附图说明】
[0013] 图1为本发明车轮服役状态安全域初步评估方法流程图。
[0014] 图2为正常状态下的钢轨振动信号。
[0015] 图3为不同小波基和分层数对应的信噪比。
[0016] 图4为不同阈值准则和阈值处理对应的信噪比。
[0017]图5为钢轨振动信号降噪效果图。
[0018]图6为降噪前后信号局部时频图。
[0019] 图7为降噪后轮轨信号EMD分解结果图，其中imfl~imf7表示小波1~7阶分解，ref 为剩余量。
[0020] 图8为各頂F分量能量值。
[0021]图9为各段振动信号的广义能量值。
[0022]图10为各广义能量值与均值的差值。
[0023]图11为正常车轮服役状态初步评估结果。
[0024]图12为故障车轮服役状态初步评估结果。
【具体实施方式】
[0025] 结合图1，本发明车轮服役状态安全域初步评估方法，包括以下步骤：
[0026] 步骤1，采集列车车轮正常运行状态下的钢轨振动信号，对其进行小波阈值降噪处 理，并将降噪后的振动信号记为x'（t)。
[0027] 所述步骤1所述钢轨振动信号的小波阈值降噪处理的步骤如下：
[0028] (1)确定小波基和分解层数，对信号进行小波分解；
[0029] (2)选择软阈值处理函数进行降噪处理；
[0030] (3)将阈值处理后的小波系数进行信号重构，分别重构低高频信号，再分配权系数 进行组合。
[0031] 步骤2,对正常状态下的轨道振动信号进行EMD(经验模态分解），并根据时域峭度 和频率散度结合法提取出满足时域峭度筛选要求和频率散度筛选要求的IMFi分量Ci(t)，计 算各分量的能量值Ei。
[0032] 所述步骤2所述的钢轨振动信号的EMD分解及頂F(本征模函数)提取过程如下：
[0033] 经过EMD分解的最终原始信号x(t)表示为本征模态函数分量Cl(t)和趋势项res的 线性组合如式(1)所示：
[0034]
[0035] 采用基于时域峭度和频率散度两个指标相结合的IMF选取算法，在低频段采用时 域峭度进行筛选，在高频段采用频率散度进行筛选，从而提高对有效IMF分量的辨别能力， 即
[0036] (1)信号x(t)的时域峭度计算公式如下：
[0037]
[0038]其中N为EMD分解后MF阶数，EMD分解后各頂F的时域峭度值按由大到小分布，经实 验分析，阈值选取为3，高于3的为有效分量，低于3的为无效分量；
[0039] (2)频率散度计算过程分以下几个步骤进行：
[0040] 首先，通过傅里叶变换将时域信号x(t)转为频域信号x(f):
[0041]
(3)
[0042]则频率散度为：
[0043]
(4)
[0044] 式中，Ex为信号的能量，假设Ex为有限的，即：
[0045]
(5)
[0046] 则频率均值fm为：
[0047]
(6)
[0048] EMD分解后各IMF的频率散度值按由大到小分布，阈值选取为10，高于10的为无效 分量，低于10为有效分量；
[0049 ]当对信号经EMD分解后的各頂F分量分别求取时域峭度值和频域散度值之后，选取 同时满足时域峭度筛选要求和频率散度筛选要求的IMF分量作为有效分量，并将筛选出的 各IMF分量依据式(7)计算各自的能量值E 1;
[0050]
(7)
[00511式中，Ei为各有效頂F分量Ci(t)的能量值，i为頂F分量阶数。
[0052]步骤3,计算出各頂h分量与降噪后信号x'（t)的相关系数，将此系数作为頂Fi分量 的权重系数Μ。其中各頂h分量与降噪后信号x'（t)的相关系数计算，具体如下：
[0053]信号X'（t)和各頂Fi分量的互相关系数λ' i:
[0054]
.(8.)
[0055] 步骤4,将各頂Fi分量的能量值Ei与1!的乘积之和作为该振动信号的EMD广义能量 En，计算出所有正常状态下来的轨道振动的EMD广义能量的均值Ea，并从En中选出与均值E a 的最大差值D，将最大差值D作为初步划分出车轮服役状态的安全域边界。
[0056] 其中EMD广义能量En计算过程如下：
[0057] 求取经筛选后的各頂F与原始振动信号的相关系数Y i，并求取Y i与全局相关系数 的比值：
[0058]
[0059]式中人/1为11^1与原始信号之间的相关系数，i为IMF分量阶数。将求得的λ,作为 頂^分量的权重系数，再结合式(7)和式(9)得到该振动信号的广义能量值：
[0060]
[0061] 步骤5,对未知状态的钢轨振动信号计算出广义能量En，计算该值与均值Ea的差V， 将D'和安全域边界值D相比较，若D'大于边界值D，表明该信号对应的车轮出现早期轻微故 障。所述安全域边界确定，具体如下：
[0062] D=max(En-Ea)，i = 1，2，···]! (11)
[0063] 下面结合具体实施例对本发明作进一步详细说明。
[0064] 实施例
[0065]将现场实际系统采集得到的500段正常车轮运行状态下的钢轨振动信号，作为构 建车轮安全域初步评估的基数，其中某一段数据如图2所示，系统采用频率为20KHz，每个信 号具有2000个数据点，持续时间为0.1 s。
[0066] 首先对钢轨振动信号进行降噪处理，选取了 db4、sym8、coif2这三种小波基，四种 阈值准则，两种阈值处理函数，对钢轨振动信号分别进行2~8层小波分解，并通过不同阈值 处理进行处理，对降噪后信号的信噪比对比分析其降噪效果，如图2和图3所示。
[0067]本发明采用sym8小波基、3层分解、启发式准则和软阈值处理对钢轨振动信号进行 小波降噪，降噪效果如图4所示，降噪前后时频图如图5所示，由图5可知，通过降噪去除了大 部分的噪声，并且很好地保留了车轮对钢轨的冲击振动信号，为下一步EMD分解提供良好的 数据支持。
[0068] 将上述经小波阈值降噪处理后的钢轨振动信号进行EMD方法分解，得到的各頂F分 量如图6所示，各IMF分量能量直方图如图7所示，经分解后得至1」7个IMF分量和1个res分量， 其中s ignal为原始降噪后的钢轨振动信号，imf 1~imf 7为7个頂F分量。
[0069]将降噪信号进行EMD分解后，需通过算法提取出有效MF分量，将其能量值作为最 终广义能量计算值的基数，对上述EMD分解得到的7个MF分别进行时域峭度和频率散度的 计算，结果如表1所示。通过图7和表1可以看出，前五个頂F包含了信号的大部分能量，达到 了90%以上，应作为该钢轨振动信号的主要頂F分量和计算广义能量的基数，同时根据时域 峭度大于3,频率散度小于10的规则，选取出頂F1至頂F5为有效頂F分量。
[0070] 表1各頂F分量的时域峭度和频率散度值
[0071]
[0072] 将上述选取出的5个MF进行相关系数的计算，求取各分量的权系数，结果如表2所 示，最后根据计算得到该信号的广义能量值为2.8017 X 104。
[0073] 表2各頂F权系数值
[0074]
[0075]按照上述计算EMD广义能量值的方法，对实际采集到的500段钢轨振动数据分别进 行广义能量的求解，结果如图8所示，车轮在正常状态下运行时引起的钢轨振动信号的广义 能量值变化幅度约在2.1 X 104到3.0 X 104的范围内，对这500组数据的广义能量值求取平均 值2.5246X 104,并计算出500组数据与该均值的差值，此差值即为安全裕度中的欧氏距离， 结果如图9所不。
[0076]通过建立的仿真模型，仿真出50组正常车轮下的钢轨振动信号和50组故障车轮下 的钢轨振动信号，验证上述安全域边界的准确性。
[0077] 首先分别计算出正常信号和故障信号的广义能量值，然后求出每组的广义能量值 与均值的差，其中正常信号的结果如表3和图10所示，故障信号的计算结果如表4和图11所 7Jn 〇
[0078] 表3正常车轮广义能量计算结果
[0079]
[0080] 表4故障车轮广义能量计算结果
[0081]
【主权项】
1. 一种车轮服役状态安全域初步评估方法，其特征在于包括W下步骤： 步骤1，采集列车车轮正常运行状态下的钢轨振动信号，对其进行小波阔值降噪处理， 并将降噪后的振动信号记为X'（t); 步骤2,对正常状态下的轨道振动信号进行EMD，并根据时域峭度和频率散度结合法提 取出满足时域峭度筛选要求和频率散度筛选要求的IMFi分量ci(t)，计算各分量的能量值 Ei; 步骤3,计算出各IMFi分量与降噪后信号x'（t)的相关系数，将此系数作为IMFi分量的权 重系数λι; 步骤4,将各IMFi分量的能量值El与λι的乘积之和作为该振动信号的EMD广义能量Εη，计 算出所有正常状态下来的轨道振动的EMD广义能量的均值Ea，并从Εη中选出与均值Ea的最大 差值D，将最大差值D作为初步划分出车轮服役状态的安全域边界； 步骤5,对未知状态的钢轨振动信号计算出广义能量En，计算该值与均值Ea的差〇/，将〇/ 和安全域边界值D相比较，若〇/大于边界值D，表明该信号对应的车轮出现早期轻微故障。2. 根据权利要求1所述的方法，其特征在于步骤1所述钢轨振动信号的小波阔值降噪处 理的步骤如下： (1) 确定小波基和分解层数，对信号进行小波分解； (2) 选择软阔值处理函数进行降噪处理； (3) 将阔值处理后的小波系数进行信号重构，分别重构低高频信号，再分配权系数进行 组合。3. 根据权利要求1所述的方法，其特征在于步骤2所述的钢轨振动信号的EMD分解及IMF 提取过程如下： 经过EMD分解的最终原始信号x(t)表示为本征模态函数分量ci(t)和趋势项res的线性 组合如式（1)所示：采用基于时域峭度和频率散度两个指标相结合的IMF选取算法，在低频段采用时域峭 度进行筛选，在高频段采用频率散度进行筛选，从而提高对有效IMF分量的辨别能力，即 (1) 信号x(t)的时域峭度计算公式如下：其中N为EMD分解后IMF阶数，EMD分解后各IMF的时域峭度值按由大到小分布，经实验分 析，阔值选取为3,高于3的为有效分量，低于3的为无效分量； (2) 频率散度计算过程分W下几个步骤进行： 首先，通过傅里叶变换将时域信号x(t)转为频域信号x(f):式中，Ex为信号的能量，假设Ex为有限的，即：EMD分解后各IMF的频率散度值按由大到小分布，阔值选取为10,高于10的为无效分量， 低于10为有效分量； 当对信号经EMD分解后的各IMF分量分别求取时域峭度值和频域散度值之后，选取同时 满足时域峭度筛选要求和频率散度筛选要求的IMF分量作为有效分量，并将筛选出的各IMF 分量依据式(7)计算各自的能量值El;(7) 式中，Ei为各有效IMF分量ci (t)的能量值，i为IMF分量阶数。4. 根据权利要求1所述的方法，其特征在于步骤3所述各IMFi分量与降噪后信号X'（ t)的 相关系数计算，具体如下： 信号x'（t)和各IMFi分量的互相关系数Vi:5. 根据权利要求1所述的方法，其特征在于步骤4所述的EMD广义能量En计算过程如下： 求取经筛选后的各IMF与原始振动信号的相关系数Vi，并求取Vi与全局相关系数的比 值：式中V功IMFi与原始信号之间的相关系数，i为IMF分量阶数。将求得的λι作为IMF汾量 的权重系数，再结合式(7)和式(9)得到该振动信号的广义能量值：6. 根据权利要求1所述的方法，其特征在于步骤5所述的安全域边界确定，具体如下： D=max(En-Ea)，? = 1,2,·..ηη(11)
【文档编号】G01M17/10GK105973618SQ201610364533
【公开日】2016年9月28日
【申请日】2016年8月3日
【发明人】王晓龙, 蒋杰, 邢宗义
【申请人】南京理工大学